Kiinalainen tekoälyn koodausmalli säästää resursseja

Tekoälyinsinööri Zain Hasan Together AI:sta pyrkii säästämään ja ohjaa yksinkertaiset tehtävät GLM 5.2 -mallille, jonka pekingiläinen Z.ai-laboratorio julkaisi 16. kesäkuuta. Avoimin painoin varustetussa mallissa on 753 miljardia parametria, joista 40 miljardia on samanaikaisesti aktiivisia, mikä nopeuttaa vastauksia. Z.ai:n rajapinta maksaa 4,40 dollaria miljoonalta lähtötunnisteelta, mikä on alle viidesosa Anthropic Opus 4.8:n hinnasta ja kymmenesosa Fable-mallin hinnasta. GLM 5.2 on lähes Opus 4.8:n tasolla eräissä agenttimaisissa koodausvertailuissa, kuten FrontierSWE ja PostTrainBench, ja se osoittaa hyviä tuloksia kyberturvallisuudessa, mikä on herättänyt vertailuja Anthropicin Mythokseen. Z.ai:n oma raportti kuitenkin kirjaa GLM 5.2:n voiton vain kahdessa vähemmän vaativassa päättelyvertailussa, ja agenttimaisessa koodauksessa malli jää Opus 4.8:sta jälkeen: SWE-Marathonissa GLM 5.2 suoritti 13 prosenttia tehtävistä, kun Opus 4.8 selviytyi 26 prosentista. Kehittäjät huomauttavat, että malli selviytyy hyvin pitkäkestoisista tehtävistä ja verkkosuunnittelusta – Hasan kutsui sitä ”erittäin hyväksi maulla” verkkosuunnittelussa, ja David Nix MetaRouterista käyttää sitä 10–20 prosentissa tehtävistään. Samaan aikaan Sai Kiran Myadaram Indhic AI:sta kohtasi tunnisteiden kiintiön nopean loppumisen sekä hallusinaatio- ja ylisuunnitteluongelmia, minkä vuoksi hän palasi OpenAI Codexiin.